目录

1、导入库文件

2、设计GUI

3、调用摄像头

4、实时图像处理

4.1、阈值二值化

4.2、边缘检测

4.3、轮廓检测

4.4、高斯滤波

4.5、色彩转换

4.6、调节对比度

5、退出系统

初学OpenCV图像处理的小伙伴肯定对什么高斯函数、滤波处理、阈值二值化等特性非常头疼，这里给各位分享一个小项目，可通过摄像头实时动态查看各类图像处理的特点，也可对各位调参、测试有一定帮助。

1、导入库文件

这里主要使用PySimpleGUI、cv2和numpy库文件，PySimpleGUI库文件实现GUI可视化，cv2库文件是Python的OpenCV接口文件，numpy库文件实现数值的转换和运算，均可通过pip导入。

      import PySimpleGUI as sg  #pip install pysimplegui
      import cv2  #pip install opencv-python
      import numpy as np #pip install numpy
  
 

2、设计GUI

基于PySimpleGUI库文件实现GUI设计，本项目界面设计较为简单，设计800X400尺寸大小的框图，浅绿色背景，主要由摄像头界面区域和控制按钮区域两部分组成。效果如下所示：

GUI代码如下所示：

      #背景色
       sg.theme('LightGreen')
      #定义窗口布局
       layout = [
       [sg.Image(filename='', key='image')],
       [sg.Radio('None', 'Radio', True, size=(10, 1))],
       [sg.Radio('threshold', 'Radio', size=(10, 1), key='thresh'),
       sg.Slider((0, 255), 128, 1, orientation='h', size=(40, 15), key='thresh_slider')],
       [sg.Radio('canny', 'Radio', size=(10, 1), key='canny'),
       sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_a'),
       sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_b')],
       [sg.Radio('contour', 'Radio', size=(10, 1), key='contour'),
       sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='contour_slider'),
       sg.Slider((0, 255), 80, 1, orientation='h', size=(20, 15), key='base_slider')],
       [sg.Radio('blur', 'Radio', size=(10, 1), key='blur'),
       sg.Slider((1, 11), 1, 1, orientation='h', size=(40, 15), key='blur_slider')],
       [sg.Radio('hue', 'Radio', size=(10, 1), key='hue'),
       sg.Slider((0, 225), 0, 1, orientation='h', size=(40, 15), key='hue_slider')],
       [sg.Radio('enhance', 'Radio', size=(10, 1), key='enhance'),
       sg.Slider((1, 255), 128, 1, orientation='h', size=(40, 15), key='enhance_slider')],
       [sg.Button('Exit', size=(10, 1))]
       ]
      #窗口设计
       window = sg.Window('OpenCV实时图像处理',
       layout,
       location=(800, 400),
       finalize=True)
  
 

3、调用摄像头

打开电脑内置摄像头，将数据显示在GUI界面上，效果如下所示：

代码如下所示：

      #打开内置摄像头
       cap = cv2.VideoCapture(0)
      while True:
       event, values = window.read(timeout=0, timeout_key='timeout')
      #实时读取图像
       ret, frame = cap.read()
      #GUI实时更新
       imgbytes = cv2.imencode('.png', frame)[1].tobytes()
       window['image'].update(data=imgbytes)
       window.close()
  
 

4、实时图像处理

4.1、阈值二值化

进行阈值二值化操作，大于阈值values['thresh_slider']的，使用255表示，小于阈值values['thresh_slider']的，使用0表示，效果如下所示：

 代码如下所示：

      if values['thresh']:
       frame = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)[:, :, 0]
       frame = cv2.threshold(frame, values['thresh_slider'], 255, cv2.THRESH_BINARY)[1]
  
 

4.2、边缘检测

进行边缘检测，values['canny_slider_a']表示最小阈值，values['canny_slider_b']表示最大阈值，效果如下所示：

代码如下所示：

      if values['canny']:
       frame = cv2.Canny(frame, values['canny_slider_a'], values['canny_slider_b'])
  
 

4.3、轮廓检测

轮廓检测是形状分析和物体检测和识别的有用工具，连接所有连续点（沿着边界）的曲线，具有相同的颜色或强度，效果如下所示：

 代码如下所示：

      if values['contour']:
       hue = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
       hue = cv2.GaussianBlur(hue, (21, 21), 1)
       hue = cv2.inRange(hue, np.array([values['contour_slider'], values['base_slider'], 40]),
       np.array([values['contour_slider'] + 30, 255, 220]))
       cnts= cv2.findContours(hue, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]
       cv2.drawContours(frame, cnts, -1, (0, 0, 255), 2)
  
 

4.4、高斯滤波

进行高斯滤波,(21, 21)表示高斯矩阵的长与宽都是21，标准差取values['blur_slider']，效果如下所示：

 代码如下所示：

      if values['blur']:
       frame = cv2.GaussianBlur(frame, (21, 21), values['blur_slider'])
  
 

4.5、色彩转换

色彩空间的转化，HSV转换为BGR，效果如下所示：

 代码如下所示：

      if values['hue']:
       frame = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
       frame[:, :, 0] += int(values['hue_slider'])
       frame = cv2.cvtColor(frame, cv2.COLOR_HSV2BGR)
  
 

4.6、调节对比度

增强对比度，使图像中的细节看起来更加清晰，效果如下所示：

  代码如下所示：

      if values['enhance']:
       enh_val = values['enhance_slider'] / 40
       clahe = cv2.createCLAHE(clipLimit=enh_val, tileGridSize=(8, 8))
       lab = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)
       lab[:, :, 0] = clahe.apply(lab[:, :, 0])
       frame = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)
  
 

5、退出系统

直接break即可跳出循环。

      if event == 'Exit' or event is None:
      break
  
 

拓展学习：基于Python的人工智能美颜系统 

请关注公众号，回复关键字：OpenCV实时图像处理，获取项目资源。

文章来源: handsome-man.blog.csdn.net，作者：不脱发的程序猿，版权归原作者所有，如需转载，请联系作者。

原文链接：handsome-man.blog.csdn.net/article/details/103836242